因此，如果人为地设计神经网络之间的连接权矩阵T和I， 把优化问题中的目标函数，约束条件与CHNN网络的能量函数联系起来，那么电路达到的平衡点就是能量函数的极小点，也就是优化中满足约束条件下的目标函数的极小点。这就是可以利用CHNN网络来完成优化问题的基本原理。 由于人工神经网络是并行计算，原理上其计算不随维数的增加而发生指数性质的"爆炸"，因而人们期待其能够成为高速的优化处理的新途径。 　　注意：在Hopfield网络的实质是能量函数， E。因此，网络的设计就是根据实际应用背景，从能量函数出发讨论问题。 　　有关Hopfield网络的稳定性问题有一系列的定理可以保证。由于本课程的内容有限，有关定理及其证明可以参考有关书籍。如《神经网络系统理论》焦李成， 西安电子科技大学出版社，1990。 　　教师建议：Hopfield网络的设计问题与前向反馈网络完全不同，可以归结为一个优化问题。所谓优化问题是求满足一定约束条件下的目标函数极小问题。有一些概念涉及现代控制理论，有兴趣的同学可以参考该方面的书籍。